التعبيرات العادية في جافا

التعبيرات العادية هي موضوع غالبًا ما يؤجله المبرمجون، حتى ذوي الخبرة، إلى وقت لاحق. ولكن عاجلاً أم آجلاً، سيتعين على معظم مطوري Java معالجة المعلومات النصية. في أغلب الأحيان، يعني هذا البحث عن النص وتحريره. بدون التعبيرات العادية، لا يمكن تصور تعليمات برمجية فعالة ومدمجة لمعالجة النصوص. لذا توقف عن المماطلة، فلنتعامل مع التعبيرات العادية الآن. انها ليست صعبة للغاية.

ما هو التعبير العادي (regex)؟

في الواقع، التعبير العادي هو نمط للعثور على سلسلة في النص. في Java، يكون التمثيل الأصلي لهذا النمط دائمًا عبارة عن سلسلة، أي كائن من الفئة String. ومع ذلك، ليست أي سلسلة يمكن تجميعها في تعبير عادي - فقط السلاسل التي تتوافق مع قواعد إنشاء التعبيرات العادية. يتم تعريف بناء الجملة في مواصفات اللغة. تتم كتابة التعبيرات العادية باستخدام الحروف والأرقام، بالإضافة إلى الأحرف الأولية، وهي أحرف لها معنى خاص في بناء جملة التعبير العادي. على سبيل المثال:

String regex = "java"; // The pattern is "java";
String regex = "\\d{3}"; // The pattern is three digits;

إنشاء التعبيرات العادية في جافا

يتضمن إنشاء تعبير عادي في Java خطوتين بسيطتين:

1. كتابتها كسلسلة تتوافق مع بناء جملة التعبير العادي؛
2. تجميع السلسلة في تعبير عادي؛

في أي برنامج جافا، نبدأ العمل مع التعبيرات العادية عن طريق إنشاء Patternكائن. للقيام بذلك، نحتاج إلى استدعاء إحدى الطريقتين الثابتتين للفئة: compile. تأخذ الطريقة الأولى وسيطة واحدة - سلسلة حرفية تحتوي على التعبير العادي، بينما تأخذ الطريقة الثانية وسيطة إضافية تحدد إعدادات مطابقة النمط:

public static Pattern compile (String literal)
public static Pattern compile (String literal, int flags)

يتم تعريف قائمة القيم المحتملة للمعلمة في الفصل وهي متاحة لنا كمتغيرات فئة ثابتة. على سبيل المثال: flagsPattern

Pattern pattern = Pattern.compile("java", Pattern.CASE_INSENSITIVE); // Pattern-matching will be case insensitive.

في الأساس، Patternالفصل هو منشئ للتعبيرات العادية. تحت الغطاء، compileتستدعي الطريقة Patternالمنشئ الخاص للفئة لإنشاء تمثيل مجمع. يتم تنفيذ آلية إنشاء الكائن بهذه الطريقة لإنشاء كائنات غير قابلة للتغيير. عند إنشاء تعبير عادي، يتم التحقق من تركيبه. إذا كانت السلسلة تحتوي على أخطاء، فسيتم PatternSyntaxExceptionإنشاء a.

بناء جملة التعبير العادي

يعتمد بناء جملة التعبير العادي على <([{\^-=$!|]})?*+.>الأحرف التي يمكن دمجها مع الحروف. اعتمادًا على دورهم، يمكن تقسيمهم إلى عدة مجموعات: 1. الأحرف الأولية لمطابقة حدود الأسطر أو النص 2. الأحرف الأولية لمطابقة فئات الأحرف المحددة مسبقًا 3. الأحرف الأولية لمطابقة أحرف التحكم 4. الأحرف الأولية لفئات الأحرف 5. الحروف الأولية للإشارة إلى عدد الأحرف (محددات الكمية). دائمًا ما يسبق المُحدِّد الكمي حرف أو مجموعة أحرف.

محددات الكميات الجشعة

شيء واحد يجب أن تعرفه عن محددات الكمية هو أنها تأتي في ثلاثة أنواع مختلفة: الجشع، والتملك، والمتردد. يمكنك إنشاء مُحدِّد كمية عن طريق إضافة +حرف "" بعد مُحدِّد الكمية. أنت تجعله متردداً بإضافة " ?". على سبيل المثال:

"A.+a" // greedy
"A.++a" // possessive
"A.+?a" // reluctant

دعونا نحاول استخدام هذا النمط لفهم كيفية عمل الأنواع المختلفة من محددات الكمية. بشكل افتراضي، محددو الكمية جشعون. هذا يعني أنهم يبحثون عن أطول تطابق في السلسلة. إذا قمنا بتشغيل الكود التالي:

public static void main(String[] args) {
    String text = "Fred Anna Alexander";
    Pattern pattern = Pattern.compile("A.+a");
    Matcher matcher = pattern.matcher(text);
    while (matcher.find()) {
        System.out.println(text.substring(matcher.start(), matcher.end()));
    }
}

نحصل على هذا الإخراج:

Anna Alexa

بالنسبة للتعبير العادي " A.+a"، يتم إجراء مطابقة النمط كما يلي:

1. الحرف الأول في النمط المحدد هو الحرف اللاتيني A. Matcherومقارنتها بكل حرف في النص، بدءاً من الفهرس صفر. الحرف Fموجود عند الفهرس صفر في النص، لذا Matcherيتكرر عبر الأحرف حتى يطابق النمط. في مثالنا، تم العثور على هذا الحرف في الفهرس 5.

2. بمجرد العثور على تطابق مع الحرف الأول للنمط، Matcherابحث عن تطابق مع الحرف الثاني. في حالتنا، هو .الحرف " "، الذي يرمز إلى أي حرف.

   الشخصية nفي المركز السادس. إنها بالتأكيد مؤهلة لتكون مطابقة لـ "أي شخصية".

3. Matcherيستمر في التحقق من الحرف التالي للنمط. في نمطنا، يتم تضمينه في المحدد الكمي الذي ينطبق على الحرف السابق: " .+". نظرًا لأن عدد مرات تكرار "أي حرف" في نمطنا هو مرة واحدة أو أكثر، فإننا Matcherنقوم بشكل متكرر بأخذ الحرف التالي من السلسلة والتحقق منه مقابل النمط طالما أنه يطابق "أي حرف". في مثالنا — حتى نهاية السلسلة (من الفهرس 7 إلى الفهرس 18).

   في الأساس، Matcherيلتهم الخيط حتى النهاية - وهذا هو بالضبط ما يُقصد بكلمة "الجشع".

4. بعد أن يصل Matcher إلى نهاية النص وينتهي من التحقق من الجزء " A.+" من النموذج، فإنه يبدأ في التحقق من بقية النموذج: a. لم يعد هناك أي نص للمضي قدمًا، لذا تتم عملية التحقق من خلال "التراجع"، بدءًا من الحرف الأخير:

5. Matcher"يتذكر" عدد التكرارات في الجزء " .+" من النمط. عند هذه النقطة، فإنه يقلل عدد التكرارات بمقدار واحد ويتحقق من النمط الأكبر مقابل النص حتى يتم العثور على تطابق:

محددات الكمية الملكية

محددات الكمية الملكية تشبه إلى حد كبير تلك الجشعة. الفرق هو أنه عندما يتم التقاط النص حتى نهاية السلسلة، لا توجد مطابقة للنمط أثناء "التراجع". وبعبارة أخرى، فإن المراحل الثلاث الأولى هي نفسها بالنسبة لمحددي الكمية الجشعين. بعد التقاط السلسلة بأكملها، يضيف المطابق بقية النموذج إلى ما يفكر فيه ويقارنه بالسلسلة الملتقطة. في مثالنا، باستخدام التعبير العادي " A.++a"، لم تجد الطريقة الرئيسية أي تطابق.

محددات الكمية مترددة

1. بالنسبة لهذه المحددات الكمية، كما هو الحال مع التنوع الجشع، يبحث الكود عن تطابق بناءً على الحرف الأول من النموذج:

2. ثم يبحث عن تطابق مع الحرف التالي للنمط (أي حرف):

3. على عكس مطابقة الأنماط الجشعة، يتم البحث عن أقصر تطابق في مطابقة الأنماط المترددة. هذا يعني أنه بعد العثور على تطابق مع الحرف الثاني للنمط (النقطة، التي تتوافق مع الحرف الموجود في الموضع 6 في النص، Matcherتتحقق مما إذا كان النص يطابق بقية النمط — الحرف " a"

4. النص لا يتطابق مع النمط (أي أنه يحتوي على الحرف " n" في الفهرس 7)، لذلك Matcherيتم إضافة المزيد من "أي حرف"، لأن محدد الكمية يشير إلى واحد أو أكثر. ثم يقوم مرة أخرى بمقارنة النمط بالنص الموجود في المواضع من 5 إلى 8:

في حالتنا، تم العثور على تطابق، لكننا لم نصل إلى نهاية النص بعد. ولذلك، تتم إعادة تشغيل مطابقة النمط من الموضع 9، أي يتم البحث عن الحرف الأول للنمط باستخدام خوارزمية مشابهة ويتكرر هذا حتى نهاية النص.

وبناء على ذلك، mainتحصل الطريقة على النتيجة التالية عند استخدام النمط " A.+?a": Anna Alexa كما ترون من مثالنا، فإن الأنواع المختلفة من محددات الكمية تنتج نتائج مختلفة لنفس النمط. لذا ضع ذلك في الاعتبار واختر النوع المناسب بناءً على ما تبحث عنه.

الهروب من الأحرف في التعبيرات العادية

نظرًا لأن التعبير العادي في Java، أو بالأحرى تمثيله الأصلي، عبارة عن سلسلة حرفية، فإننا نحتاج إلى مراعاة قواعد Java المتعلقة بالسلسلة الحرفية. على وجه الخصوص، يتم تفسير حرف الخط المائل العكسي " \" في سلسلة حرفية في كود مصدر Java كحرف تحكم يخبر المترجم أن الحرف التالي خاص ويجب تفسيره بطريقة خاصة. على سبيل المثال:

String s = "The root directory is \nWindows"; // Move "Windows" to a new line
String s = "The root directory is \u00A7Windows"; // Insert a paragraph symbol before "Windows"

وهذا يعني أن القيم الحرفية للسلسلة التي تصف التعبيرات العادية وتستخدم \الأحرف " " (على سبيل المثال للإشارة إلى الأحرف الأولية) يجب أن تكرر الخطوط المائلة العكسية للتأكد من أن مترجم Java bytecode لا يخطئ في تفسير السلسلة. على سبيل المثال:

String regex = "\\s"; // Pattern for matching a whitespace character
String regex = "\"Windows\"";  // Pattern for matching "Windows"

يجب أيضًا استخدام الخطوط المائلة العكسية المزدوجة للهروب من الأحرف الخاصة التي نريد استخدامها كأحرف "عادية". على سبيل المثال:

String regex = "How\\?";  // Pattern for matching "How?"

طرق فئة النمط

لدى الفصل Patternطرق أخرى للعمل مع التعبيرات العادية:

• String pattern()- إرجاع تمثيل السلسلة الأصلية للتعبير العادي المستخدم لإنشاء Patternالكائن:

  
  Pattern pattern = Pattern.compile("abc");
  System.out.println(pattern.pattern()); // "abc"

• static boolean matches(String regex, CharSequence input)– يتيح لك التحقق من التعبير العادي الذي تم تمريره كـ regex مقابل النص الذي تم تمريره كـ input. عائدات:

  صحيح - إذا كان النص يطابق النمط؛
  كاذبة - إذا لم يحدث ذلك؛

  على سبيل المثال:

  
  System.out.println(Pattern.matches("A.+a","Anna")); // true
  System.out.println(Pattern.matches("A.+a","Fred Anna Alexander")); // false

• int flags()- يُرجع قيمة flagsمعلمة النمط التي تم تعيينها عند إنشاء النمط أو 0 إذا لم يتم تعيين المعلمة. على سبيل المثال:

  
  Pattern pattern = Pattern.compile("abc");
  System.out.println(pattern.flags()); // 0
  Pattern pattern = Pattern.compile("abc",Pattern.CASE_INSENSITIVE);
  System.out.println(pattern.flags()); // 2

• String[] split(CharSequence text, int limit)- تقسيم النص الذي تم تمريره إلى Stringمصفوفة. تشير المعلمة limitإلى الحد الأقصى لعدد التطابقات التي تم البحث عنها في النص:

  • إذا limit > 0- limit-1يطابق؛
  • إذا limit < 0- جميع التطابقات في النص
  • إذا limit = 0- جميع التطابقات في النص، فسيتم تجاهل السلاسل الفارغة في نهاية المصفوفة؛

  على سبيل المثال:

  
  public static void main(String[] args) {
      String text = "Fred Anna Alexa";
      Pattern pattern = Pattern.compile("\\s");
      String[] strings = pattern.split(text,2);
      for (String s : strings) {
          System.out.println(s);
      }
      System.out.println("---------");
      String[] strings1 = pattern.split(text);
      for (String s : strings1) {
          System.out.println(s);
      }
  }

  إخراج وحدة التحكم:

  
  Fred
  Anna Alexa
  ---------
  Fred
  Anna
  Alexa

  أدناه سننظر في طريقة أخرى من طرق الفصل المستخدمة لإنشاء Matcherكائن.

أساليب فئة المطابق

يتم إنشاء مثيلات الفئة Matcherلإجراء مطابقة الأنماط. Matcherهو "محرك البحث" للتعبيرات العادية. لإجراء بحث، نحتاج إلى إعطائه شيئين: نمط وفهرس بداية. لإنشاء Matcherكائن، Patternتوفر الفئة الطريقة التالية: рublic Matcher matcher(CharSequence input) تأخذ الطريقة تسلسل أحرف، والذي سيتم البحث فيه. هذا مثيل للفئة التي تنفذ الواجهة CharSequence. لا يمكنك تمرير ملف فحسب String، بل يمكنك أيضًا تمرير StringBufferملف StringBuilderأو Segmentأو CharBuffer. النمط هو كائن يتم استدعاء الطريقة Patternعليه . matcherمثال على إنشاء المطابق:

Pattern p = Pattern.compile("a*b"); // Create a compiled representation of the regular expression
Matcher m = p.matcher("aaaaab"); // Create a "search engine" to search the text "aaaaab" for the pattern "a*b"

يمكننا الآن استخدام "محرك البحث" الخاص بنا للبحث عن التطابقات، والحصول على موضع التطابق في النص، واستبدال النص باستخدام أساليب الفصل الدراسي. تبحث الطريقة boolean find()عن المطابقة التالية في النص. يمكننا استخدام هذه الطريقة وبيان الحلقة لتحليل النص بأكمله كجزء من نموذج الحدث. بمعنى آخر، يمكننا إجراء العمليات اللازمة عند وقوع حدث ما، أي عندما نجد تطابقًا في النص. على سبيل المثال، يمكننا استخدام هذه الفئة int start()وطرقها int end()لتحديد موضع التطابق في النص. ويمكننا استخدام الطرق String replaceFirst(String replacement)و String replaceAll(String replacement)لاستبدال التطابقات بقيمة معلمة الاستبدال. على سبيل المثال:

public static void main(String[] args) {
    String text = "Fred Anna Alexa";
    Pattern pattern = Pattern.compile("A.+?a");

    Matcher matcher = pattern.matcher(text);
    while (matcher.find()) {
        int start=matcher.start();
        int end=matcher.end();
        System.out.println("Match found: " + text.substring(start, end) + " from index "+ start + " through " + (end-1));
    }
    System.out.println(matcher.replaceFirst("Ira"));
    System.out.println(matcher.replaceAll("Mary"));
    System.out.println(text);
}

انتاج:

Match found: Anna from index 5 through 8
Match found: Alexa from index 10 through 14
Fred Ira Alexa
Fred Mary Mary
Fred Anna Alexa

يوضح المثال أن الأساليب replaceFirstو replaceAllتنشئ كائنًا جديدًا String- سلسلة يتم فيها استبدال تطابقات النمط في النص الأصلي بالنص الذي تم تمريره إلى الطريقة كوسيطة. بالإضافة إلى ذلك، replaceFirstيستبدل الأسلوب المطابقة الأولى فقط، لكن replaceAllيستبدل الأسلوب كافة التطابقات في النص. يبقى النص الأصلي دون تغيير. تم إنشاء عمليات regex الأكثر شيوعًا للفئات و في الفصل Patternمباشرةً . هذه هي الأساليب مثل و و و . ولكن تحت غطاء محرك السيارة، تستخدم هذه الأساليب والفئات . لذا، إذا كنت تريد استبدال نص أو مقارنة سلاسل في برنامج ما دون كتابة أي تعليمات برمجية إضافية، فاستخدم أساليب الفصل . إذا كنت بحاجة إلى المزيد من الميزات المتقدمة، فتذكر الفئات . MatcherStringsplitmatchesreplaceFirstreplaceAllPatternMatcherStringPatternMatcher

خاتمة

في برنامج Java، يتم تعريف التعبير العادي بواسطة سلسلة تخضع لقواعد محددة لمطابقة الأنماط. عند تنفيذ التعليمات البرمجية، يقوم جهاز Java بتجميع هذه السلسلة في كائن Patternويستخدم Matcherكائنًا للعثور على التطابقات في النص. كما قلت في البداية، غالبًا ما يؤجل الناس التعبيرات العادية لوقت لاحق، معتبرين أنها موضوعًا صعبًا. ولكن إذا فهمت بناء الجملة الأساسي، والأحرف الأولية، والهروب من الأحرف، ودرست أمثلة للتعبيرات العادية، فستجد أنها أبسط بكثير مما تبدو للوهلة الأولى.